Многие в мире SEM обеспокоены тем, что искусственный интеллект и машинное обучение сделают их работу устаревшими, но обозреватель Фредерик Валлаи считает, что люди и машины, работающие вместе, в конечном итоге будут создавать наибольшую ценность для клиентов.
Ранее в этом году я писал о том, как искусственный интеллект (ИИ) и машинное обучение управляют автоматизацией в КПП, а затем снова о том, как новейшая волна инноваций в AdWords в основном связана с этими же технологиями.
По мере ускорения перехода к автоматизации, как агентства и менеджеры PPC обновляют свою стратегию? Какие процессы им нужно будет оставаться конкурентоспособными? И что они действительно могут ожидать от инструментов автоматизации на современном рынке? Я расскажу о всех этих темах в серии предстоящих сообщений, поэтому я бы хотел услышать ваши идеи. Но сегодня, давайте начнем с изучения того, какие роли будут играть люди и агентства в КПП.
1. Агентства научат машины изучать
Теперь, когда машины могут учиться, они, безусловно, превзойдут людей, не так ли? Реальность такова, что машинное обучение по-прежнему очень зависит от людей. Мы программируем алгоритмы, предоставляем учебные данные, мы даже манипулируем данными обучения, чтобы помочь машине справиться с этим.
Для машинного обучения часто требуются структурированные данные для изучения, и для этого требуется очень четкая задача. Мы, как люди, некоторое время будем играть роль, чтобы определить проблему и помочь сформировать желаемый результат, манипулируя тем, как машина может «учиться».
Пока что машинам нужно, чтобы мы были его учителями. Показатель качества AdWords работает только потому, что мудрость толпы предоставляет массивный набор данных о запросах и кликах, которые машина может использовать для изучения.
Автопилот Тесла работает, потому что тысячи водителей управляют своими автомобилями вручную через сложные ситуации. Поскольку все они подключены к сети, это помогает следующей Тесле лучше проехать через это же место.
В КПП, что мы узнали из лет ручного управления кампаниями, может быть основой для обучения компьютеров, как реагировать в подобных ситуациях.
Учителя не могут все учить, поэтому значительная часть того, что они делают, помогает студентам задавать лучшие вопросы. Как учителя для компьютеров, мы должны позволить себе задавать больше вопросов, потому что синтетический интеллект не имеет тех же человеческих ограничений, насколько быстро он может найти ответы.
Например, оцените показатель качества - это система машинного обучения, которая может анализировать сотни факторов, связанных с поиском, и находить шаблоны вещей, которые оказывают существенное влияние на CTR. Поскольку он может анализировать данные намного быстрее, мы можем подавать это, казалось бы, случайные и несвязанные данные, и пусть это скажет нам, если это имеет значение.
Вот сумасшедший вопрос, который мы когда-то задавали системе оценки качества: влияет ли лунный цикл на CTR? Хотя ответ не является важным (нет, не было никакой корреляции), важно то, что мы смогли задать совершенно новые вопросы и быстро получить ответ, который помог сделать систему лучше.
Но мы также должны уделить приоритетное внимание вопросам, которые мы задаем, исходя из человеческой интуиции. Мы не хотим терять мощность машины, спрашивая все, когда мы уже знаем с большой вероятностью, что некоторые ответы не помогут нам улучшить ситуацию. Рассмотрим следующий пример: попросите Google Maps рассчитать лучший маршрут из Сан-Франциско в Нью-Йорк. Расчет всей возможной обратной дороги займет много времени, и, учитывая, что мы знаем, что шоссе, как правило, быстрее, чем местные дороги, этот расчет почти наверняка не даст лучшего результата, поэтому мы можем смело игнорировать этот вопрос.
2. Агентства будут обеспечивать отсутствие машин для творчества
Самой большой ценностью агентства будет способность его сотрудников работать совместно с автоматизацией.
Шахматный гроссмейстер Гарри Каспаров отмечает, что когда дело доходит до шахмат, команды людей, которым помогают машины, доминируют даже самые сильные компьютеры. В эксперименте 2005 года Playchess.com запустил шахматный турнир, в котором участники могли играть в командах с другими игроками и / или компьютерами. По словам Каспарова:
Шахматная машина Hydra, которая является суперкомпьютером, подобным шахматам, таким как Deep Blue, не соответствовала сильному игроку, использующему сравнительно слабый ноутбук. Человеческое стратегическое руководство в сочетании с тактической остротой компьютера было ошеломляющим.
Люди по-прежнему хороши в творческой стратегии - старение старых идей по-новому и тестирование результатов. Причина, по которой у нас нет компьютеров Google, пишущих все объявления для AdWords, заключается в том, что все они будут выглядеть одинаково - и тогда они перестанут развиваться, потому что у машины больше не будет никаких вариантов тестирования.
Эволюционные алгоритмы, подмножество ИИ, основаны на биологической эволюции, и они нуждаются в доступе к вариациям, чтобы хорошо работать. И хотя они могут создавать свои собственные мутации, люди часто все еще знают правильные сочетания, чтобы придумать лучшие идеи.
Рекламодатель на Facebook однажды отправил объявление, статичное изображение, которое немного встряхнуло. Это было намного лучше CTR, чем одно и то же объявление, когда оно было полностью статичным. Это своего рода глупый способ улучшить CTR, но это отличный пример того, как люди пытаются что-то новое, что машина, вероятно, не подумала бы, потому что никто не делал этого раньше в пределах доступных им данных.
3. Агентства будут пилотом, который предотвращает бедствие
Самостоятельные автомобили не являются «беспилотными» автомобилями, потому что для контроля машины все еще остается человек за рулем. Это имеет смысл, потому что не убивать своих пассажиров или других людей на дороге достаточно ценно, чтобы заслужить некоторые человеческие ресурсы.
В КПП мы, к счастью, не имеем дело с сценариями жизни или смерти; но мы все же можем поставить пилот для мониторинга наиболее важных областей автоматизации. Хитрость заключается в том, чтобы понять правило 80/20 и сохранить человеческое участие в автоматизациях с наибольшим потенциальным воздействием.
Я однажды проверил учетную запись, которая полностью забилась, потому что автоматизация торгов правильно снизила ставки после запуска ужасно исполняющей целевой страницы. Но в то время как целевая страница быстро фиксировалась людьми, никто не помнил, чтобы сбросить ставки, а счет потратил месяцы на производительность подпапки, потому что его лучшие ключевые слова задерживались на второй странице результатов поиска.
Проблема со многими системами, построенными сегодня, состоит в том, что у них есть узкие цели, которые могут потерпеть неудачу из-за самоподкрепляющихся контуров обратной связи, которые могут вызвать нисходящую спираль:
плохая производительность → ставка вниз → еще хуже производительность → ставка вниз еще → doom!
Мы также можем наблюдать за тем, что делают наши собственные автоматики, чтобы найти недостатки для использования в алгоритмах наших конкурентов. Помните, что многие автоматики выполняют четко определенные задачи, что делает их предсказуемыми. Например, мне когда-то пришлось пересечь четыре полосы движения на моем велосипеде и собирался подождать, чтобы машина прошла мимо меня первым. Но когда я заметил, что это автомобиль с самообслуживанием Google, я все равно пошел на очередь, потому что знал, что у машины отличное зрение, и он запрограммирован не на велосипедистов. И так как я делюсь этой историей, все пошло хорошо для меня в этом сценарии.
Иногда мы можем узнать, что делает машина. Ли Седол, чемпион мира по ходу, который был избит компьютером AlphaGo от DeepMind, стал лучшим игроком из опыта проигрыша на машине. Он, как и многие другие, смотрел игру, был озадачен движением 37, которое сделал компьютер. Это был просто не тот шаг, который любой человек мог бы сыграть. Но это был шаг, который заставлял компьютер за победу, и теперь люди добавили его в свой собственный репертуар.
И иногда ваша работа как помощник - видеть что-то, чего нет, но это должно было быть. Книга «Как не ошибиться» Иордана Элленберга рассказывает историю математика Абрама Вальда, который выяснил, какая часть самолета должна быть усилена, чтобы сопротивляться тому, чтобы сбивать вражеские самолеты во время Второй мировой войны. Данные с самолетов, которые возвращались с пулевыми отверстиями, показали, что в топливной системе было больше пулевых отверстий, чем у двигателя. Ученые пришли к выводу, что они должны повторно использовать топливную систему. Но Уолд утверждал, что самолеты, попавшие в двигатель, вероятно, разбились и никогда не возвращались, и это искажало данные.
Положим это на пример PPC. Когда вы смотрите на то, что приводит к конверсии, потому что вы хотите сделать больше этого, возможно, вам также следует спросить, что не приводит к конверсии, и сделать меньше. Например, высокая стоимость доставки может танковать ваш коэффициент конверсии, но вы не узнаете об этом, если вы зададите неправильный вопрос.
4. У агентств будет нехватка машин для эмпатии
Даже когда компьютеры будут выполнять каждую часть управления PPC, у них по-прежнему не будет такого же человеческого соединения, которое у вас есть с вашими клиентами. Понимание нюансов бизнеса вашего клиента (который поможет вам придумать новые идеи для тестирования), понимая их опасения по поводу PPC, понимая их разочарования в последнем менеджере аккаунтов и так далее. Все это поможет вам наладить более продуктивные отношения с ними.
Одной из удивительных профессий, использующих ИИ, являются врачи. Они просто не могут читать столько исследований, сколько Watson, поэтому суперкомпьютер IBM может быть великолепным диагностом. Но Уотсон, возможно, не сможет объяснить условия для пациента, и у него, конечно же, не будет сочувствия человека при обмене потенциально разрушительными новостями. Есть еще место для врачей, даже когда у них есть суперкомпьютер, чтобы помочь им.
И, как эксперты PPC, большая часть нашей роли будет заключаться в том, чтобы узнать, какие экспертные автоматы тестируются в учетной записи. Для управления ставками в одиночку есть огромное количество опций, начиная от бесплатных стратегий форекс вложений в Google для выскочки компаний по управлению ставками, которые взимают тысячи долларов за обещание немного лучшего результата. Знание того, что доступно, то, что стоит проверить и как рассчитать компромиссы, несомненно, будет значительной частью агентств по ценным бумагам.
Заключение
Автоматизация берет на себя многие задачи, которые люди исторически делали в КПП; но по мере того, как этот сдвиг будет продолжаться, у экспертов и агентств КПП будет много новых возможностей для обеспечения ценности своих клиентов.
В следующий раз я расскажу о новых стратегиях и процессах, которые помогут преодолеть разрыв между людьми и искусственно интеллектуальными машинами PPC.
Мнения, выраженные в этой статье, принадлежат авторам гостевых изданий, а не обязательно поисковым системам. Здесь перечислены авторы работ.
Post A Comment:
0 comments so far,add yours